过去一年，AI的迭代速度让所有人都有了体感。经济学家陈志武在网易财经《C位观察》播客里给了一个很具体的对比：一年前他在美国体验特斯拉自动驾驶，亲眼见到车辆出现两次严重错误；今年在加州停留一个半月，几乎每天使用，却没再遇到类似问题。

陈志武是香港大学郑裕彤基金教授席（金融学）、香港人文社会研究所所长、港大经管学院量化历史研究中心主任，曾任耶鲁大学教授。在这场对话里，他把话题从“AI能干什么”拉回到一个更靠近现实的问题：生产力爆发之后，谁来承担它的后果。

第一个判断：AI不只是一项新技术，它正在成为新的财富分配机制。

“每一次重大技术变革，几乎都会拉大社会的财富与收入差距，AI时代只会更加明显。”在他看来，从过去一万年的技术变革历史看，相对和平时期的技术进步往往会拉大收入与财富差距，而AI这一轮的影响可能更突出。

原因有两层。一层是劳动力市场：AI不只替代一部分工作，还会改变供需关系，压低普通劳动者的议价能力。另一层是财富创造：AI成为造富的核心赛道，有的初创企业成立短短几个月，估值就实现数倍暴涨。“以前哪怕是再顶尖的天才，和普通人的收入差距也不会这么大。”他补了一句更冷的观察：今天除了AI和机器人，其他领域创造财富的机会相对变少了。

第二个判断：更值得看的机会，在“场景”而不在“超级智慧”。

他认为当前大语言模型赛道越来越拥挤，相比一味追求解决复杂数学难题的基础模型竞争，未来更值得关注的是与真实产业结合的AI：物理AI、机器人、世界模型和生物大模型。他举了一个生物大模型的例子：莫德纳利用生物大模型重新判断基因排序组合，尝试降低癌症风险，并公布了个性化癌症疫苗的最新进展——虽然目前价格昂贵，但方向具有革命性。

更具想象力的是“社会大模型”。它的思路是建立一个由大量数字人组成的虚拟社会，每个数字人尽可能对应一个真实的人，学习其背景、性格、行为方式与价值判断，进而模拟他们在不同环境下的选择。“中国有14亿人，理想状态下，社会大模型也能建立14亿个对应真实个体的数字人。”

陈志武认为，这类模型不需要100%准确。“对很多经济和社会决策而言，如果能达到80%至90%的准确度，就已经具有相当大的实用价值。”企业可以在推新品、定价格之前模拟不同消费者群体的反应；个人与家庭层面，从孩子选大学选专业到职业规划，都可以先模拟不同选择的结果，减少试错成本。他强调，社会大模型的价值不是替人做决定，而是让人在决定之前看到更多可能性。

他把数字人的应用场景拆得很开：家族财富传承可以用数字人模拟掌门人的思维与决策习惯，让后代以更动态的方式继承经验；AI情感陪伴也可能成为重要方向——从这个意义上说，未来人们可能更愿意等待真正有感情的关系，而不是为了避免孤独而勉强结婚，这可能进一步改变婚恋与生育趋势。但他也补了一句：这并不意味着所有应用都可以不受限制，哪些领域能自由发展、哪些需要约束，未来会受政府与社会需求影响。

第三个判断：风险的关键不是“AI会不会毁灭人类”，而是“谁对它负责”。

AI圈内不乏警告。近日一位从OpenAI离职、现任职Anthropic的员工对媒体和政界表示，按照当前发展速度，未来5到10年人类有10%以上的概率被AI毁掉；Anthropic创始人Dario Amodei也呼吁美国AI公司应相互协调、接受监管，否则内卷式发展可能让AI工具对人类构成很大威胁。

陈志武并不赞成“AI很快会毁灭人类”的判断。他认为，目前AI和机器人仍是可以正面利用的工具，远未到威胁人类生存的地步。更重要的是历史经验：铁器武器、核武器都具备毁灭人类的能力，但人类没有走向毁灭，而是以文明化、秩序化的方式活了下来。“人要和平、有秩序、有文明地活下去的愿望，是绕不过去的。”

他给出的原则非常具体：“每一个AI、每一个机器人，都要有一个所有者、一个责任人，一个天然的自然人对其行为承担责任。”在他看来，不能让机器人本身成为责任主体；即使未来AI拥有越来越强的自主能力，法律与责任体系也必须保持对其行为的约束；如果AI出现失控行为，责任人必须采取行动，包括切断电源。

第四个判断：最终考验不是机器多聪明，而是人类能不能建立新秩序。

他拿中国历史作了类比：青铜武器受制于锡的稀缺，铁器普及后更强杀伤力的武器扩散，春秋战国的诸子百家正是对新技术挑战的回应；儒家用“君君臣臣、父父子子”的名分等级秩序重构社会，朱熹的“家礼”把抽象理念落到宗族操作层面，此后中国社会在很长时间里保持稳定。

今天，AI、互联网、社交媒体重新挑战人类的生存方式，同样需要新的哲学、理念与制度回应。因此他对AI的未来并不悲观，但也认为那些“AI可能毁灭人类”的警告并非没有意义——危机感能促使社会提前讨论风险，推动企业、政府与各界建立监管与责任机制。

把四个判断连起来看，陈志武的逻辑是一致的：技术会不断突破，但它无法脱离社会的基本秩序单独奔跑。当AI从辅助工具变成能够自主行动的智能主体，需要重新思考的不仅是“怎么让机器更聪明”，更是“怎么让这些机器处在一个能追责、能约束的规则体系里”。

对企业而言，这段话里有两个可以直接落地的提醒：一是如果你在做AI应用，尽早想清楚“责任归属”这件事，它会从合规问题变成产品设计问题；二是如果你在找机会，把视线从“更强的模型”移到“更具体的场景”，因为前者是少数人的比赛，后者才是大多数人的生意。

本文根据网易财经《C位观察》播客内容及公开报道整理，观点归属陈志武本人。